Маскированные автокодировщики
Маскированные автокодировщики (Masked Autoencoders, MAE) — это подход к самообучению (self-supervised learning), представленный Хэ и др. в 2021 году, который маскирует случайные участки изображения и обучает модель реконструировать недостающий контент. Адаптируя парадигму маскированного языкового моделирования из обработки естественного языка (NLP) к компьютерному зрению, MAE изучает богатые визуальные представления, решая сложную задачу реконструкции без необходимости в метках.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Источники
- He, K., Chen, X., Xie, S., Li, Y., Dollár, P., & Girshick, R. (2022). Masked autoencoders are scalable vision learners. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 16000-16009). DOI: 10.1109/CVPR52688.2022.01553 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Masked Autoencoders are Scalable Vision Learners. ScholarGate. https://scholargate.app/ru/deep-learning/masked-autoencoders
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Модели латентной диффузииГлубокое обучение↔ compare
- SimCLRГлубокое обучение↔ compare
- Swin TransformerГлубокое обучение↔ compare
- Vision TransformerГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →